Sundial: แบบจำลองพื้นฐานอนุกรมเวลาแบบก่อกำเนิด
Sundial คือกลุ่มของแบบจำลองพื้นฐานอนุกรมเวลาแบบก่อกำเนิด (generative time-series foundation models) ที่นำเสนอโดย Yong Liu และคณะจาก Tsinghua University (ICML 2025) Sundial ได้รับการฝึกฝนล่วงหน้าด้วยคลังข้อมูลอนุกรมเวลาขนาดใหญ่และหลากหลาย โดยใช้สถาปัตยกรรมที่อิงการแยกส่วนประกอบ (decomposition-based architecture) ควบคู่กับส่วนหัวการพยากรณ์แบบก่อกำเนิด (generative forecasting head) เพื่อสร้างการพยากรณ์แบบความน่าจะเป็นหลายช่วงเวลา (probabilistic multi-horizon forecasts) ซึ่งแสดงถึงการเปลี่ยนแปลงไปสู่แบบจำลองอเนกประสงค์ที่สามารถทำงานแบบ zero-shot สำหรับงานพยากรณ์เชิงเวลาในโลกแห่งความเป็นจริง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Liu, Y., Qin, G., Shi, X., Hu, T., Wang, J., & Long, M. (2025). Sundial: A family of highly capable time series foundation models. ICML. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Sundial (Generative Time-Series Foundation Models). ScholarGate. https://scholargate.app/th/deep-learning/sundial
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Chronos: แบบจำลองพื้นฐานแบบโทเค็นสำหรับการพยากรณ์อนุกรมเวลาการเรียนรู้เชิงลึก↔ compare
- Moirai: แบบจำลองพื้นฐานสำหรับการพยากรณ์อนุกรมเวลาแบบสากลการเรียนรู้เชิงลึก↔ compare
- TimesFM: แบบจำลองพื้นฐานแบบถอดรหัสเท่านั้นสำหรับการพยากรณ์อนุกรมเวลาการเรียนรู้เชิงลึก↔ compare